尽管phi-1的训练规模较小，但其表现明显优于其他模型 原图定位

高质量数据是全球人工智能竞争的“胜负手”：数据质量及其包含的有用信息量是决定机器学习算法学习能力的关键因素。因此在将数据集提供给机器学习算法之前，确保对数据集进行检查和预处理至关重要。高质量的数据可提高大型语言模型（LLM）的 SOTA（例 phi-1），同时可大幅减少数据集大小和训练计算，并可显著降低 LLM 的训练成本。